python之词云与‘结巴’

在python中，你的数据收集到了之后除了可以直接打开来看，做成表格看以外，还可以做词云。

第一次使用词云，需要先安装wordcloud的库

第一种：pip install wordcloud

第二种：pycharm-在setting中的project interpreter中右边的+号点击进去，然后输入wordcloud就可以安装了。

简单的一个wordcloud例子

大概过程就是：

导入库

打开文本文件，或者直接调用文本数据

然后设置底图

然后调用wordcloud中的WordCloud函数传入数据，设置数据。

显示出来

效果图：

词云中选用的数据是之前爬取知乎的python问题的题目。

底图是这个路飞的形状，然后数据也很好的契合到这个轮廓里面，如果的底图没有分明的轮廓，像这种图片有个白底的那样子的话，那个数据可能就会全覆盖了。

这里要安装的库有numpy，PIL，以及wordcloud和matplotlib，

因为这个wordcloud的generate是不支持中文格式的，于是引用一下windows的字体一下。

结果就成这样了。

引用的代码

wordcloud = WordCloud(

mask=bg_pic,background_color='white',scale=4,

font_path='C:\Windows\Fonts\simhei.ttf').generate(text)

差不多就是最后一句了，这里是黑体，如果你要想要其他属性，可以进入这个目录：C:\Windows\Fonts，（这里是windows10，其他版本的目前没去测试）右键你要的字体然后看属性

然后就可以复制他的这个名字去调用了。

在这里，他的底图的调用有两种不同的情况

第一种，用cv2来获取图片

bg_pic = cv2.imread('0.jpg')

第二种，用PIL的Image模块来获取图片

bg_pic = np.array(Image.open('0.jpg'))

两种方法都是一样的，一开始我误解以为有不一样的效果，其实都一样。

jieba分词：

jieba是一款python中文组件

下面是一个简单例子：

安装

在pycharm貌似安装不了，但是可以直接用pip install jieba来安装。

然后import jieba 就可以使用了。

分词的方法就在上面的例子，很简单，不过不能直接print jieba.cut(text),需要用。join（）来获取分完的结果。

jieba分词有三个特点：

精确模式：将句子最精确的切开，适合文本分析

全模式： 把句子中所有的可以成词的词语都扫描出来，速度很快，但是不能解决歧义

搜索引擎模式：

在精确模式的基础对长的词再次切分。适用于搜索引擎的分词。

这里就是简单介绍一下结巴分词和wordcloud，如果你想更深的去了解的话可以去网上找专门的介绍文档，或者教程。